آمار

رده بندی  ممیزی (آنالیز تشخیصی)

آنالیز تشخیصی ، راهکاری است برای آنکه متغیرها را در قالب گروههای مجزا از هم تفکیک کنیم، به صورتی که هر گروه در عین اینکه با گروه دیگر شباهت و همبستگی دارد، از انسجام لازم نیز برخوردار باشد. در واقع، آنالیز تشخیصی، اعضای جامعه مورد تحقیق را در قالب گروههای مجزا از هم طبقه بندی و تفکیک می کند، علاوه بر این تابع تشخیص معادله ای است که با داشتن مشخصات هر فرد از جامعه، می توان با قرار دادن این مشخصات در آن معادله، پیش بینی کرد که وی به کدام گروه تعلق دارد؛ به سخن دیگر منظور از انالیز تشخیصی ، گروه بندی داده ها به گروه های متجانس است، به گونه ای که مشاهدات هر گروه با یکدیگر شبیه باشند و مشاهدات گروه های مختلف نسبت به یکدیگر کمترین شباهت را داشته باشند. روشهای مختلفی برای گروه بندی مشاهدات یک جامعه به چندین گروه موجود است. این روشها به مشخص بودن تعداد گروهها و همچنین نوع متغیرهای مورد اندازه گیری بستگی دارد. این مطلب را می توان با استفاده از رایانه انجام داد. همچنین با استفاده از آنالیز تشخیصی توابعی بر حسب مقادیر متغیرهای مورد اندازه گیری، امتیازی برای عضویت در هر گروه محاسبه می شود. با ورود هر مشاهده جدید، می توان با محاسبه امتیاز آن بر حسب هر یک از توابع، وضعیت عضویت آن را در یکی از گروهها تعیین نمود. لازم است گفته شود که در آنالیز تشخیصی باید از هر یک از گروههای مورد نظر نمونه های مناسبی در اختیار داشت، تا بتوان با استفاده از نمونه های شناخته شده تابع را تشخیص را معلوم کرد.

در واقع، آنالیز تشخیصی، براساس مشخصه های مختلف ، برای گروه بندی مشاهدات به یکی از چندین گروه معلوم به کار می رود؛ مثلاً اگر بخواهیم کارگران را برحسب مهارت به سه گروه متخصص، ماهر و نیمه ماهر تقسیم کنیم، باید آنها را براساس مشخصه هایی که نمره داده شده است مورد اندازه گیری قرار دهیم. بدیهی است که این مجموعه اطلاعات و مشخصه ها باید در مورد نمونه های مناسبی از کارگران در گروههای فوق موجود باشد. متغیر وابسته که در اینجا با X_D نشان داده می شود، شماره گروهها را مشخص می کند. در واقع، هدف تکنیک آنالیز تشخیصی طبقه بندی ان است، بنابراین باید دارای تعداد محدودی گروه باشد. همچنین باید متغیرهای مستقل نیز تعداد محدودی باشد ، تا بتوان تابع تشخیص [1] را مشخص نمود. البته منظور از تابع تشخیص (X_D)، یک متغیر پنهان است که بر پایه ترکیب خطی متغیرهای مستقل ایجاد

 می شود. البته توجه داشته باشید که آنالیز تشخیصی تمامی فرضیات موجود در زمینه همبستگی پیرسون، یعنی روابط خطی میان متغیرها و وجود متغیرهای دارای مقیاس فاصله ای را حائز است. وانگهی این تکنیک،؛ درست نظیر رگرسیون چند گانه یک مدل خطی به دست می دهد که در آن متغیرهای تعیین کننده و مهم وارد مدل شده و متغیرهای نامناسب از آن خارج شده اند. از دیگر فرضیات مهم آن آنالیز، این است که متغیر وابسته به صورت یک متغیر دو یا چند مقوله ای واقعی باشد؛ مثلاً کشورهای پیشرفته و در حال توسعه و یا سه گروه متخصص، ماهر و نیمه ماهر باشد و نیز میان متغیرها همبستگی معنی داری مشاهده نشود.

تاریخچه

 نظریه آغازین مربوط به آنالیز تشخیصی، به دهه 1930 و آثار آماردان انگلیسی کارل پیرسون و دیگران در زمینه فواصل گروهها و یا ضرایب تشابه نژادی بر می گردد. به طور خاص، این تکنیک اولین بار توسط فیشر در سال 1936 ابداع شد و بر پایه روش شناسی مورد استفاده در رگرسیون خطی چند متغیره یعنی جبر ماتریس ها، جهت حل معادلات خطی توسعه یافت. روش شناسان دانشگاه هاروارد، در دهه های 50 و 60، علاقه بسیاری به این تکنیک برای مطالعه در حوزه آموزش و پرورش و روانشناسی نشان دادند. نرم افزارهای مختلفی جهت اجرای این تکنیک ابداع شده است که از این آنها BAYDA,ALLOC و IMSL دارای بیشترین کاربرد هستند. البته این تکنیک در غالب نرم افزارهای تحلیل آماری از جمله SPSS تعبیه شده است.

مهمترین کاربردهای این تکنیک را می توان چنین خلاصه کرد:

1- بررسی تفاوتهای بین گروهی؛

2- تعیین مناسب ترین روش تفاوت گذاری بین گروهها؛

3- تشخیص و حذف متغیرهایی که در ایجاد تمایز بین گروهها نقشی ندارند؛

4- طبقه بندی افراد مورد مطالعه در گروههای تعیین شده؛

5- آزمون میزان درستی و صحت طبقه بندی مشاهده شده با طبقه بندی پیش بینی شده.

منبع:جانسون و ویچرن،تحلیل آماری چندمتغیره کاربردی،ترجمه دکتر نیرومند،(۱۳۷۹)،انتشارات دانشگاه فردوسی مشهد.